8、Python中的字符串：字符串的基本操作及再论对象是否可变

引言

基于Python系列前面的几篇文章中，应该已经在脑海中对Python中的核心理念，有了一些认知，由于比较关键，这里再来回顾一下：

1、Python中一切皆对象
2、对象分为可变对象和不可变对象
3、区分重新赋值操作，还是对象本身发生变化
4、新手困惑的不可变对象的所谓的“对象修改”操作，一定是重新赋值操作，通过观察id()前后的变化，即可
5、看似简单的一行代码一般都不是一步完成，而所谓字节码指令是能看到Python一行代码背后的实现步骤。

今天这篇文章，我们结合Python中的字符串的探究，再来进一步加深对这些理念的认知。

字符串的基本使用

Python中关于字符串的使用，相对来说是比较方便的。
关于字符串对象的创建、常用的一些方法，这里就不进行罗列了，随处都能查到，只要你能想到要对字符串进行的操作，Python大概也会有对应的方法，可以方便实现。关于字符串提供的方法，不用记忆，用到的时候，自行尝试或者检索即可，所以不再展开。

接下来，首先基于三个字母，对Python中提供的字符串使用的3个比较便捷的场景，其次，看一下Python中支持的字符串运算

26个字母至少要学会f/r/b

字母f对应的是字符串格式化，也就是常说的f-string语法糖。
关于字符串的格式化方法，前面关于print()函数的使用时，已经有所提及，这里不再展开，只是简要说明一下。需要知道的一点是，关于字符串的格式化，能使用f-string的时候，还是尽量使用f-string，在使用的便捷程度及底层实现上，Python已然做了足够多的优化，在使用过程中，可以自行体会：

name = '张三'
gender = '女's1 = "姓名: %s, 性别: %s" % (name, gender)
s2 = "姓名: {}, 性别: {}".format(name, gender)
s3 = f"姓名: {name}, 性别: {gender}"
print(s1)
print(s2)
print(s3)

字母r对应的字符串禁止自动转义的操作，默认情况下，字符串中以\打头的转义字符会进行自动化转义操作。如果需要保持字符串中的转义字符，在其他语言中一般是通过双反斜线\来实现，如果有多个转义字符，就需要多个地方都要改写，比较麻烦。
Python中不需要对原始字符串的内容进行修改，只需要在字符串开头加上一个r字母即可：

s1 = "hello world\n"
s2 = r"hello world\n"
print(s1)
print(s2)

执行结果：

字母b对应了字符串的转换为二进制编码的方法，关于字符串的编码、解码，可以简单演示一下，需要用到时，再做进一步深入：

s1 = "hello Python"
s2 = b"hello Python"
print(type(s1))
print(type(s2))
s3 = s1.encode('utf-8')
print(type(s3))
print(id(s2))
print(id(s3))
print(s2 == s3)
s4 = s2.decode('utf-8')
print(s4)
print(s1 == s4)

执行结果：

字符串前加上b，实际上是得到一个bytes对象，字符串对象和bytes对象之间可以通过encode()、decode()方法进行相互转换。

Python中的字符串运算

关于Python中的字符串运算，这里也不全面罗列，只是对比其他语言中，相对不同、觉得更加方便的用法，简单描述一下：
字符串拼接
Python中关于字符串的拼接，有多种方式，最简单的就是使用加法+；
如果使用相同的分割符也可以使用join()方法；
如果比较固定，还可以使用前面提到的f-string字符串格式化的方式，简单通过代码演示一下这些用法：

name = '张三'
gender = '女'
remark = 'Python大神'
s1 = name + ':' + gender + ':' + remark
s2 = ':'.join([name, gender, remark])
s3 = f"{name}:{gender}:{remark}"
print(s1)
print(s2)
print(s3)

执行结果：

字符串分割
Python中提供字符串分割的方法，返回包含各个子串的列表对象：

s1 = '张三:女:Python大神'
res = s1.split(':')
print(res)

执行结果：

通过查看split()方法的定义，可以看到有一个默认参数maxsplit=-1，设置该参数，可以指定从左到右最多的分割子串的个数，不再演示，可以自行尝试。

字符串相乘
Python支持字符串的乘法，可以实现字符串的快速重复操作，也比较简单，模仿《天龙八部》中的桥段：

s1 = '叩首千遍，心诚则灵：'
s2 = '叩首' * 1000
s3 = '汝即叩首千遍，足见心诚，传你无上Python功法，祝你叱咤江湖'
print('\n'.join([s1, s2, s3]))

执行结果：

字符串索引和切片
Python中的字符串也是可迭代的对象，支持索引和切片操作，方法基本同列表对象的索引和切片：

s1 = "hello Python"
# 索引操作，索引从0开始
print(s1[0])
# 切片操作，切片一般是，左闭右开：[start, end)
print(s1[:5])

执行结果：

关于更多的切片方式，参考列表的切片，可以自行研究。

字符串驻留的优化实现

字符串驻留（String Interning）是一种优化技术，由于字符串对象本身是不可变的，所以，当一个相同的字符串有可能被重复使用时，可以通过把某些字符串驻留在内存中，让这些引用相同字符串的变量，指向常量内存池中的同一个字符串对象，从而节省内存并提高运行速度。

此外，在进行字符串比较时，如果字符串对象驻留在驻留池中，只需要比较字符串的引用是否相同即可，而不需要进行逐字符比较。

不同的Python虚拟机中的实现细节可能不太一样，可以先粗略地理解为虚拟机内部会申请一块内存区域，用于字符串驻留，可以称之为字符串驻留池（intern pool）。当发现代码中需要创建一个新的字符串对象时，Python解释器会首先检查字符串驻留池，如果已经存在相同的字符串，则直接返回该字符串对象的引用，而不是创建一个新的字符串。

字符串驻留的思想，跟我们所熟知的缓存技术很是相似。
相似的还有缓存区、字符串驻留池的空间是有限的，不可能所有的字符串都进行驻留优化。

Python中字符串驻留的限制没有明确说明，不过，我们可以通过代码进行推测字符串驻留的行为机制：

s1 = 'a' * 100
s2 = 'a' * 100
print(id(s1))
print(id(s2))

通过修改字符串的长度，两个字符串的id()相同，则发生了驻留；如果id()不同，则没有发生驻留。可以从100~10000，进行二分查找，考虑到二进制，可以尝试1024、2048、4096等特殊长度。在笔者的环境中，字符串长度小于等于4096时，可以触发字符串驻留机制，一旦超过这个阈值，则不再进行字符串驻留。

s1 = 'a' * 4096
s2 = 'a' * 4096
print(id(s1))
print(id(s2))
s3 = 'a' * 4097
s4 = 'a' * 4097
print(id(s3))
print(id(s4))

执行结果：

s1与s2的id()是相同的，s3与s4的id()是不同的，可以验证上述的结论。

如果一个较长的字符串，只要你有需要，也是可以手动触发字符串驻留：

x = sys.intern('a' * 5000)
y = sys.intern('a' * 5000)
print(id(x))
print(id(y))

从字节码看实现字符串的不可变

还是开篇提到的字符串对象是可变的，我们前面提到的字符串相关的操作运算，看似字符串发生了改变。其实，在底层都是创建了新的字符串对象，然后进行了重新赋值操作。

name = '张三'
gender = '女'
s1 = f"{name}:{gender}"
# print(id(name))
# print(id(gender))
# print(id(s1))
# 实际是常量池中有一个字符串对象李四
name = '李四'
# print(id(name))

可以通过输出id()，看到操作前后，已经不是同一个对象。如果查看对应的字节码，可以更加清楚：